| dc.description.abstract |
O presente trabalho tem como objetivo inicial construir um dataset com diversos tipos de eventos que ocorrem comumente nos sistemas de distribuição de energia elétrica, focando principalmente nas redes de distribuição ativas. Este dataset possui eventos como: faltas de alta e baixa impedância, chaveamento de bancos de capacitores, aumento e decremento de carga, bem como situações onde não havia a ocorrência de nenhum tipo de evento. O objetivo de tal dataset é obter um número suficiente de simulações que permitem treinar um classificador a partir de uma rede neural convolucional pré treinada, no caso fui utilizada a SquezeeNet. Para tal foram feitas 30 simulações para cada evento, nos quais ocorrendo em todas as 12 barras do sistema teste, bem como entre estas 12 barras. A justificativa principal está na alta dificuldade de identificar situações de falta de alta impedância, onde o aumento nos valores das correntes nas linhas são irrisórios e não acionam os dispositivos de proteção. Mesmo que diversos trabalhos já tenham abordado o assunto o diferencial encontra-se na inclusão da geração distribuída de energia no modelo de simulação, que acarreta falta de precisão nos modelos anteriormente propostos. Já que estão sendo considerados os efeitos da inserção de geração distribuída conectada via conversores eletrônicos de frequência.
Com os dados de tensão obtidos no banco de dados extraiu-se, usando a Transformada de Fourrier dos valores de tensão, de foma recursiva, uma sequência de fasores da diferença de fase da quinta harmônica entre duas barras com o passar do tempo. Nestes sinais resultantes, utilizou-se a Transformada Wavelet para gerar uma imagem de um escalograma da magnitude de certas faixas de frequência durante um instante de tempo. Com estes escalogramas foi treinado o classificador. Após o processo de treino o mesmo foi validado com dados obtidos a partir das demais barras.
Quanto a construção do banco de dados foram simulados 3630 casos de 1,2 segundos, que duravam em média 25 minutos cada para serem simulados, totalizando cerca de 60 dias de simulação considerando apenas um computador solucionando os modelos. Já em relação aos resultados obtidos, estes se mostraram bem promissores. Por mais que a capacidade de validação de certos eventos tenha sido um pouco difusa, o classificador foi capaz de dissociar o evento alvo do trabalho(HIF) dos demais tanto nos modelos onde o sinal estava puro, tanto nos sinais onde foi adicionado um ruído gerando um SNR de 63dB, ocorrendo apenas casos do tipo falsos-positivos e não falsos-negativos. Estes últimos são mais prejudiciais por não acionarem a proteção em uma falta que realmente ocorreu. |
pt_BR |
